NVIDIA 发布 OPENCODEINSTRUCT 数据集, 应用在 编程、机器学习微调 领域

NVIDIA 本次发布的数据集 OPENCODEINSTRUCT, OPENCODEINSTRUCT是一个大规模的代码指令微调数据集，由NVIDIA的研究团队创建。该数据集包含500万个多样化的样本，每个样本包括编程问题、解决方案、测试用例、执行反馈和LLM生成的质量评估。数据集利用了1.43百万个通用编码指令和25,443个算法问题作为种子，通过合成数据生成框架生成。该数据集旨在促进大型语言模型在代码指令微调方面的研究，并加速代码LLM研究的进展。

查看OPENCODEINSTRUCT

关于 NVIDIA , NVIDIA是一家以设计图形处理单元（GPU）为主的美国公司，总部位于加利福尼亚州的圣克拉拉。该公司是高性能计算和人工智能领域的领导者，其产品被广泛应用于游戏、专业绘图、数据中心和自动驾驶汽车等领域。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。